Come trovare la parola più vicina a un vettore utilizzando word2vec

Question

Ho appena iniziato a utilizzare Word2vec e mi chiedevo come possiamo trovare la parola più vicina a un vettore. Ho questo vettore che è il vettore di media per un insieme di vettori:

array([-0.00449447, -0.00310097, 0.02421786, ...], dtype=float32) 

Esiste un modo dritto in avanti per trovare la parola più simile nei miei dati di allenamento a questo vettore?

Oppure l'unica soluzione è calcolare la somiglianza del coseno tra questo vettore ei vettori di ciascuna parola nei miei dati di allenamento, quindi selezionare quello più vicino?

Grazie.

Answer 1

Per gensim attuazione word2vec c'è most_similar() funzione che permette di trovare le parole semanticamente vicino a una parola data:

>>> model.most_similar(positive=['woman', 'king'], negative=['man']) 
[('queen', 0.50882536), ...] 

o alla sua rappresentazione vettore:

>>> your_word_vector = array([-0.00449447, -0.00310097, 0.02421786, ...], dtype=float32) 
>>> model.most_similar(positive=[your_word_vector], topn=1)) 

dove topn definisce il desiderato numero di risultati restituiti.

Tuttavia, la mia sensazione è che la funzione non esattamente la stessa che avete proposto, cioè calcola similarità del coseno per il vettore dato e l'altro vettore nel dizionario (che è abbastanza inefficiente ...)

Answer 2

Don' t dimenticare di aggiungere array vuoto con parole negative in most_similar funzione:

import numpy as np 
model_word_vector = np.array(my_vector, dtype='f') 
topn = 20; 
most_similar_words = model.most_similar([ model_word_vector ], [], topn)